Como converter docx para xhtml

Question

Estou tentando encontrar uma solução para converter um arquivo docx em XHTML.

Encontrei o xdocreport, que parece bom, mas estou com alguns problemas. (e eu sou novo no xdocreport)

De acordo com suas documentações no github aqui e aqui : Devo ser capaz de converter com este código:

    String source = args[0];
    String dest = args[1];

    // 1) Create options DOCX to XHTML to select well converter form the registry
    Options options = Options.getFrom(DocumentKind.DOCX).to(ConverterTypeTo.XHTML);

    // 2) Get the converter from the registry
    IConverter converter = ConverterRegistry.getRegistry().getConverter(options);

    // 3) Convert DOCX to (x)html
    try {
        InputStream in = new FileInputStream(new File(source));
        OutputStream out = new FileOutputStream(new File(dest));
        converter.convert(in, out, options);
    } catch (XDocConverterException | FileNotFoundException e) {
        e.printStackTrace();
    }

Estou usando essas dependências (tentei diferentes versões, como 2.0.2, 2.0.0, 1.0.6):

    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.xdocreport.document.docx</artifactId>
        <version>2.0.2</version>
    </dependency>

    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.xdocreport.template.freemarker</artifactId>
        <version>2.0.2</version>
    </dependency>

    <dependency>
        <groupId>fr.opensagres.xdocreport</groupId>
        <artifactId>fr.opensagres.xdocreport.converter.docx.xwpf</artifactId>
        <version>2.0.2</version>
    </dependency>

Meus problemas:

• As imagens estão faltando
• A cor de fundo está faltando (todas as páginas têm uma cor de fundo, que não é branco e eu tenho que converter isso também)

Como posso lidar com esses problemas? (Ou como posso converter docx para xhtml usando Docx4j com formatos / numeração / imagens?)

Answer 1

Para converter *.docxpara XHTMLusar XDocReporte apache poié XWPFDocumentcomo a fonte que você precisa XHTMLOptions. Essas opções podem ter ImageManagerque definir o caminho para as imagens extraídas XWPFDocument. Então XHTMLConverteré necessário converter.

Exemplo completo:

import java.io.*;

//needed jars: xdocreport-2.0.2.jar, 
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLConverter;
import fr.opensagres.poi.xwpf.converter.xhtml.XHTMLOptions;
import fr.opensagres.poi.xwpf.converter.core.ImageManager;

//needed jars: all apache poi dependencies
import org.apache.poi.xwpf.usermodel.*;

public class DOCXToXHTMLXDocReport {

 public static void main(String[] args) throws Exception {

  String docPath = "./WordDocument.docx";

  String root = "./";
  String htmlPath = root + "WordDocument.html";

  XWPFDocument document = new XWPFDocument(new FileInputStream(docPath));

  XHTMLOptions options = XHTMLOptions.create().setImageManager(new ImageManager(new File(root), "images"));

  FileOutputStream out = new FileOutputStream(htmlPath);
  XHTMLConverter.getInstance().convert(document, out, options);

  out.close();      
  document.close();     
 
 }
}

Isso trata as imagens corretamente.

Mas XDocReportnão consegue lidar com as cores de fundo da página XWPFDocumentadequadamente até agora. Ele extrai e trata as cores de fundo do parágrafo, mas não as cores de fundo da página.